Люди обеспокоены тем, что искусственный интеллект и роботы уничтожат рабочие места, нарушат привычный уклад жизни и когда-нибудь развалят всю экономику. В ожидании подобного развития событий несколько стран, включая Канаду, Индию и Финляндию, экспериментируют с идеей “всеобщего базового дохода” — безусловного денежного пособия от правительства для поддержания уровни жизни независимо от того, получаете вы зарплату или сидите без работы. Но мое внимание привлекло нечто иное, о чем люди не говорят — быстрая демонетизация стоимости жизни. Иными словами, с течением времени становится все дешевле и дешевле обеспечивать наши базовые потребности. Благодаря экспоненциальному развитию технологий стоимость жилья, транспорта, пищи, здравоохранения, развлечений, одежды, образования и тому подобного продолжит снижаться, устремляясь к нулю. В этой статье я хочу изучить, как люди тратят свои деньги сейчас, и как “технологический социализм” может демонетизировать нашу жизнь.
Потребительские привычки по всему миру довольно однородны. Где бы мы ни жили, мы обычно тратим деньги на одни и те же базовые продукты и услуги. Давайте взглянем, как потребители тратят свои деньги в трех крупных странах — Соединенных Штатах, Китае и Индии. В 2011 году 33% среднего дохода американской семьи было потрачено на жилье, еще 16% на транспорт, 12% на еду, 6% на здравоохранение, и 5% на развлечения. То есть в совокупности более 75% расходов приходится именно на эти статьи. В Китае, согласно результатам недавнего исследования, общая тенденция аналогичная: питание, жилье, транспорт и хорошее самочувствие — это основные направления расходов. При этом почти половина расходов приходится на одежду и питание, а развлечениям уделяется пониженное внимание. В Индии преобладают расходы на питание, транспорт, а также различные товары и услуги. А вот затраты на аренду или покупку жилья и здравоохранение — это лишь небольшая часть в структуре трат. Эти различия отражают экономические, инфраструктурные и культурные особенности в каждой из трех стран, но в любом случае мы видим что большая часть расходов относится к семи главным категориям: транспорт, питание, здравоохранение, жилье, энергия, образование и развлечения. А теперь представьте себе, что могло бы произойти, если бы стоимость этих вещей резко снизилась. И такая перспектива — не из области фантастики.
В данном случае под демонетизацией мы будем понимать способность технологического прогресса взять продукт или услугу, которые раньше были дорогими, и сделать их значительно дешевле, либо потенциально бесплатными. Деньги перестают быть частью уравнения.
Вспомните фотографию. Во времена Kodak это было дорогое удовольствие. Нужно было заплатить за фотоаппарат, за пленку, за проявку и так далее. Сегодня все изменилось до неузнаваемости: камера стала бесплатным дополнением к вашему телефону. Не нужно ни пленки, ни проявки — полная демонетизация.
Или возьмем такую сферу, как исследования. В прошлом сбор данных был трудным и затратным процессом — затратным по времени, если вы занимались этим сами, либо затратным по деньгам, если вы нанимали исследователей. Сегодня, в эпоху Google, информацию можно собирать бесплатно, а ее качество стало в тысячу раз лучше. Доступ к информации и инструментам для исследований полностью демонетизирован.
Коммуникационные приложения, такие как Skype или Google Hangouts, демонетизировали рынок видеоконференций и международной телефонной связи. Amazon демонетизировал книжную розницу, Craigslist — рынок частных объявлений, iTunes — индустрию звукозаписи, Airbnb — отели. Список можно продолжать.
В конце моей книги “Изобилие” (Abundance) есть таблица, в которой показано, как с помощью смартфона мы демонетизировали продуктов и услуг на $900 тыс. (цены на продукты, которые были выведены на рынок в период с 1969 по 1989 год, пересчитаны с учетом инфляции на 2011 год).
Двадцать лет назад наиболее зажиточные американские граждане могли позволить себе иметь фотоаппарат, видеокамеру, CD-плеер, стереосистему, игровую консоль, сотовый телефон, наручные часы, несколько комплектов энциклопедий, атлас мира и т.п. Cегодня все эти вещи бесплатны в вашем смартфоне. Странно, что мы не осознаем ценность этих вещей, когда они становятся бесплатными. Мы просто рассчитываем на них. Теперь давайте взглянем на упомянутые выше семь главных статей расходов и спроецируем, как они могут быть демонетизированы за одно-два следующий десятилетия.
1. Транспорт
Автомобильный рынок (емкость — $1 трлн) уже демонетизируется такими стартапами, как Uber. Но это лишь начало. Когда Uber представит свои полностью автономные сервисы, стоимость перевозок рухнет. Подумайте о том, какие составляющие, влияющие на цену перевозок, исчезнут. Когда все машины станут самодвижущимися, на дорогах не будет аварий, а значит, не нужно будет тратиться на страховку. Расходы на ремонт сократятся. Доставив вас в пункт назначения, автономный автомобиль сразу отправится обслуживать другого пассажира, так что парковка ему не нужна. А поскольку автомобили станут электрическими, мы сэкономим на топливе. В итоге стоимость поездок на авто будет в 5-10 раз ниже по сравнению с сегодняшними затратами автовладельца. Такова будущая модель “автомобиль как услуга”.
Как я писал в книге “Изобилие”, стоимость продуктов питания упала в 13 раз за прошедшие столетие. Тренд на снижение сохранится. В США за последние 50 лет затраты на питание дома снизились более чем на 50%. Когда мы научимся эффективно производить продукты локально, с помощью вертикального фермерства, это станет дополнительным фактором снижения стоимости. Сейчас 70% в структуре конечной розничной цены продуктов питания приходится на транспортировку, хранение и сопутствующие затраты. Кроме того, с развитием науки мы научимся получать больше еды с каждого квадратного метра.
Отрасль здравоохранения можно грубо разбить на четыре главные категории: диагностика, вмешательство или хирургия, уход за хроническими больными, медикаменты.
Диагностика. Искусственный интеллект уже продемонстрировал способность диагностировать рак лучше самых знаменитых докторов. Патологии выявляются на основе изучения изображений, анализа данных генома и гигабайтов фенотипологических данных. Причем себестоимость такой диагностики будет стремиться к стоимости потраченной электроэнергии.
Хирургия. Лучшими хирургами в мире будут роботы. Они смогут двигаться высокой точностью и получать картинку оперируемой области с высоким увеличением. Каждый робот-хирург будет иметь доступ к данным миллионов предшествующих операций, проведенных роботами, получая преимущество перед наиболее опытными хирургами-людьми. Себестоимость операции тоже стремится к нулю.
Уход за хроническими больными и престарелыми. Здесь роботы тоже смогут создать наиболее экономичную альтернативу существующим сегодня услугам.
Медикаменты. Разработка и производство лекарств станут более эффективными с помощью искусственного интеллекта. Вероятно, уже в недалеком будущем специальный 3D-принтер сможет “напечатать” для вас идеальную таблетку, состав которой будет подобран с учетом ваших потребностей и анализов крови на текущий момент. Также стоит отметить, что стоимость геномного секвенирования резко снижается. Судя по этому графику, скорость обесценивания в пять раз быстрее, чем удешевление вычислительных мощностей в соответствии с законом Мура. Точное секвенирование позволит прогнозировать, какие заболевания, обусловленные наследственнностью, у вас с наибольшой вероятностью разовьются, и какое лечение может быть для вас наиболее эффективно.
4. Жилье
Вы задумывались о том, что больше всего влияет на стоимость жилища? Почему квартира на Манхэттене стоит $10 млн, хотя жилье такой же площади на окраине Сент-Луиса можно купить за $100 тыс? Ответ очевиден — месторасположение. Людей привлекают густонаселённые престижные районы — там они оказываются рядом с рабочими местами и развлечениями. Рыночный спрос заставляет цены расти.
Демонетизация жилья произойдет по двум причинам. Во-первых, благодаря двум ключевым технологиям близость вашего дома к месту работы перестанет иметь такое огромное значение. А значит, вы сможете жить где угодно, в том числе там, где жилье дешевое. О каких технологиях идет речь? Одна из них — автономные автомобили. Подумайте сами — если время в пути от дома до работы вы можете потратить на то, чтобы читать, расслабляться, спать, смотреть фильм или проводить встречу, разве имеет значение, что вы провели в пути полтора часа? Другая технология — виртуальная реальность. Что произойдет, если ваше рабочее место — виртуальный офис, а ваши коллеги — аватары? Да вам попросту больше не надо никуда ездить. Вы проснулись, подключились к своему виртуальному рабочему месту, и работаете — находясь в это время хоть на ферме, хоть на экзотическом острове.
Еще одна причина ожидать падения стоимости жилья связана со снижением себестоимости строительства благодаря роботам-строителям и технологиям 3D-печати зданий. Сейчас ряд стартапов работает над тем, чтобы радикально сократить как расходы на строительство, так и время постройки. Например, в Китае компания WinSun методом 3D-печати создает целые многоквартирные дома.
Дом, созданный методом 3D-печати в Китае
Количество солнечной энергии, попадающей на Землю в течение одного часа, в 5000 раз превышает количество энергии, которое все человечество использует за один год. Солнечной энергии в избытке по всему миру, причем беднейшие страны самые солнечные. Сегодня стоимость солнечной энергии упала до 3 центов за киловатт-час. Производство солнечной энергии продолжит демонетизироваться за счет повышения эффективности в результате новых научных открытий.
Во многих отношениях образование уже подвергалось демонетизации, поскольку большая часть информации, которую вы могли бы изучить в институте, уже доступна бесплатно онлайн. Coursera, Khan Academy, Гарвард, MIT и Стэнфорд — все эти учебные заведения предлагают тысячи часов качественного образования онлайн, доступного любому человеку на планете при наличии интернет-соединения.
Но это — лишь начало. В скором времени лучшими преподавателями в мире станут искусственные умы, обладающие детальным знанием способностей, потребностей, желаний и текущего уровня знаний своих студентов, и обучающие их именно тому, что им нужно, наилучшим способом и в идеальном темпе. В результате отпрыск миллиардера и ребенок бедняка будут иметь доступ к одному и тому же (самому лучшему) образованию, практически бесплатно.
Такие виды развлечений, как видеофильмы и компьютерные игры, исторически требовали существенных вложений в оборудование и услуги. Сегодня, с появлением сервисов потокового вещания музыки и видео (YouTube, Netflix и др.) мы наблюдаем взрывной рост количества доступного контента с одновременным появлением множества быстро демонетизируемых опций.
Вы, наверное, слышали, что мы находимся в разгаре революции ИИ. Нам говорят, что машинный интеллект развивается с поразительной скоростью, опираясь на алгоритмы «глубокого обучения», которые используют огромные объемы данных для обучения сложных программ, известных как «нейронные сети».
Современные программы ИИ могут распознавать лица и записывать в текст устные предложения. У нас есть программы, которые могут обнаружить тонкое финансовое мошенничество, найти соответствующие веб-страницы в ответ на неоднозначные запросы, наметить лучший маршрут вождения практически к любому месту назначения, обыграть гроссмейстеров-людей в шахматы и го, а также переводить на сотни языков. Более того, автомобили с автоматическим управлением, автоматическая диагностика рака, роботы-уборщики и даже автоматические научные открытия становятся повседневным и привычным делом.
Основатель Facebook Марк Цукерберг недавно заявил, что в течение следующих пяти-десяти лет компания будет подталкивать ИИ к тому, чтобы «превзойти человеческий уровень во всех основных человеческих чувствах: зрении, слухе, языке, общем познании». Шейн Легг, главный ученый группы Google DeepMind, предсказал, что «искусственный интеллект на уровне человека будет пройден в середине 2020-х годов».
Как человек, который работал в области искусственного интеллекта в течение десятилетий, я была свидетелем провала подобных предсказаний о неизбежном искусственном интеллекте на уровне человека, и я уверена, что эти последние прогнозы также не оправдаются. Задача создания человеческого интеллекта в машинах остается крайне недооцененной. Сегодняшним системам ИИ крайне не хватает самой сути человеческого интеллекта: понимания ситуаций, в котрые мы попадаем, способности понять их значение. Математик и философ Джан-Карло Рота, спросил: «Интересно, когда ИИ преодолеет барьер смысла?». Для меня это все еще самый важный вопрос.
Недостаток человеческого понимания машинами особенно хорошо проявляется в несоответствиях, укоренившихся в основах современного искусственного интеллекта. Хотя сегодняшние программы гораздо мощнее, чем имевшиеся 20 или 30 лет назад, но то и дело оказывается, что они ненадёжны, и эту ненадёжность человек не сможет предусмотреть.
Я приведу несколько примеров.
«Лысому мужчине нужна шляпа» в программе распознавания речи моего телефона расшифровывается как «Медведеголовый человек нуждается в шляпе».
("Лысый" на английском - bareheaded, "Медведеголовый" - bear headed)
Переводчик Google переводит «Я поместил свинью в хлев» на французский язык как «Я положил свинью в ручку» ( «ручка »в смысле пишущего инструмента).
(На английском слова "хлев" и ручка" - омонимы ("pen").).
Программы, которые «читают» документы и отвечают на вопросы о них, могут быть легко обмануты, давая неправильные ответы, когда к документу добавляются короткие несоответствующие фрагменты другого текста. Точно так же программы, которые распознают лица и объекты, которые хвалят как главный триумф глубокого обучения, могут внезапно ошибаться, когда исходные данные незначительно искажаются, например, иным освещением, отбором изображений или другими изменениями, которые никак не влияют на способность человека к распознаванию деталей.
Одно недавнее исследование показало, что добавление небольшого количества «помех» к изображению лица может сильно нарушить производительность современных программ распознавания лиц. Другое исследование , шутливо названное «Слон в комнате», показало, что вставка небольшого изображения неуместного объекта, такого как слон, в угол изображения гостиной, странным образом заставляла программы глубокого обучения визуального распознавания внезапно начинать неправильно классифицировать другие объекты во всей картинке.
Кроме того , программы , которые научились играть в определенную видео- или настольную игру на «сверхчеловеческом» уровне, полностью теряются, когда игра, которую они изучили, слегка модифицируется (цвет фона на экране видеоигры изменяется, виртуальное “весло” для удара “шариками” меняет положение).
Это лишь несколько примеров, демонстрирующих, что даже лучшие программы искусственного интеллекта могут быть ненадежны, когда они сталкиваются с ситуациями, которые даже в небольшой степени отличаются от того, на чем они обучались. Ошибки, допущенные такими системами, варьируются от безобидных и смешных до потенциально катастрофических: представьте, например, систему безопасности аэропорта, которая не позволит вам сесть на самолет, потому что ваше лицо перепутано с лицом преступника, или автомобиля с автоматическим управлением, который из-за необычных условий освещения не замечает, что вы собираетесь перейти улицу.
Еще более тревожными являются недавние демонстрации уязвимости систем искусственного интеллекта для так называемых состязательных примеров. В них злонамеренный хакер может вносить конкретные изменения в изображения, звуки или текстовые документы, которые, будучи незаметными или не относящимися к человеку, могут привести к тому, что программа допустит потенциально катастрофические ошибки.
Возможность таких атак была продемонстрирована почти во всех прикладных областях ИИ, включая компьютерное зрение, обработку медицинских изображений, распознавание речи и обработку языка. Многочисленные исследования показали, с какой легкостью хакеры могут обмануть системы распознавания лиц и объектов с определенными незначительными изменениями в изображениях, нанести незаметные наклейки на знак остановки, чтобы система зрения автомобиля с самостоятельным вождением ошибочно приняла его за выход, подписать или изменить звуковой сигнал так, чтобы он звучал как фоновая музыка для человека, но приказывал системе Siri или Alexa (аналог Spyware?) выполнить скрытую команду.
Эти слабые места иллюстрируют способы, которыми текущий прогресс в искусственном интеллекте блокируется барьером смысла. Любой, кто работает с системами ИИ, знает, что за гранью человеческих визуальных способностей, языковой беглости и игрового мастерства, эти программы не похожи на человека - они не понимают вводимые им данные или производимые ими результаты так, как это делает человек. Отсутствие такого понимания делает такие программы восприимчивыми к неожиданным ошибкам и атакам, которые невозможно обнаружить.
Что потребуется для преодоления этого барьера, чтобы дать машинам возможность более глубоко понимать ситуации, с которыми они сталкиваются, а не полагаться на отдельные детали? Чтобы найти ответ, нам нужно обратиться к изучению человеческого познания.
Наше собственное понимание ситуаций, с которыми мы сталкиваемся, основано на широком, интуитивном «знании здравого смысла» о том, как устроен мир, а также о целях, мотивах и вероятном поведении других живых существ, особенно людей. Кроме того, наше понимание мира основывается на наших основных способностях обобщать то, что мы знаем, формировать абстрактные концепции и проводить аналогии - короче говоря, гибко адаптировать наши концепции к новым ситуациям. Исследователи десятилетиями экспериментировали с методами наполнения систем искусственного интеллекта интуитивным здравым смыслом и надежными способностями обобщения, подобными человеческим, но в этом очень трудном начинании был достигнут лишь незначительный прогресс.
Программы искусственного интеллекта, в которых отсутствует здравый смысл и другие ключевые аспекты человеческого понимания, все чаще используются для реальных приложений. В то время как некоторые люди беспокоятся о «сверхинтеллектуальном» ИИ, наиболее опасным аспектом систем ИИ является то, что мы будем слишком доверять им и предоставлять слишком много автономии, не зная в полной мере то, что их способности ограничены. Как заметил исследователь искусственного интеллекта Педро Домингос в своей книге «Главный алгоритм»: «Люди беспокоятся о том, что компьютеры станут слишком умными и захватят весь мир, но настоящая проблема заключается в том, что они слишком глупы и уже взяли на себя управление Миром."
Гонка за коммерциализацию ИИ оказала колоссальное давление на исследователей с целью создания систем, которые «работают достаточно хорошо» для узких задач. Но в конечном счете, цель развития заслуживающего доверия ИИ потребует более глубокого исследования наших собственных, недюжинных способностей и нового понимания познавательных механизмов, которые мы сами используем для уверенного и надежного понимания мира. Для раскрытия барьера смысла ИИ, скорее всего, потребуется шаг назад, от расширяющегося киберспейса до глобальных сборов данных. Придётся сделать шаг вперёд - к основе вопроса междисциплинарной науки, изучающей наиболее сложную научную проблему - природу интеллекта.
Автор: Мелани Митчелл - профессор компьютерных наук в Государственном университете Портленда и внешний профессор в Институте Санта-Фе. Ее книга «Искусственный интеллект: руководство для мыслящих людей» будет опубликована в 2019 году Фарраром, Страусом и Жиру.